⌘ K
… 读取采集状态 同步中...
雷

#图像生成

今日 0 条
10月9日周五
  1. Hugging Face Blog80

    用 ML-intern 构建定制小模型的实战指南

    作者演示了如何使用 HuggingFace 的 ML-intern 智能体在几天内构建 6 个定制小模型，总计算成本约 103 美元。文中详细分享了提示词撰写技巧，包括要求先运行基线测试和烟雾测试，以及为每个任务设置明确的预算上限。案例涵盖柑橘病识别、特定角色 LoRA、视角转换及 4 步推理模型等。

    推荐理由：作者展示了如何用 ML-intern 智能体构建垂直领域小模型，给出了具体提示词结构和成本数据，供读者复刻

10月6日周二
  1. Google Gemini API Release Notes71

    Google 发布 Gemini Nano Banana 2.1 并弃用 Nano Banana 2

    Google 发布 Gemini Nano Banana 2.1（gemini-nano-banana-2.1），提供 1K、2K、4K 分辨率下的 1:4 至 8:1 全景宽高比支持，同时弃用 Nano Banana 2（gemini-3.1-flash-image）。新模型在保持 Flash 级速度与成本效率的基础上，显著提升了视觉质量、提示词遵循度及多轮角色一致性。

    推荐理由：Nano Banana 2.1 在保持 Flash 级速度下提升了画质与文本渲染，为图像生成工作流提供了更高效的选择。

9月30日周三
  1. Google Research72

    Diffusion Controller 框架统一并简化 AI 图像生成控制

    Google Research 提出 Diffusion Controller 框架，将图像去噪过程重构为连续控制问题，用于统一推理时引导与模型微调。该框架引入轻量转向减振器网络，在 Stable Diffusion v1.4 上评估，灰箱模式下 HPS-v2 胜率超过 LoRA，全开白箱版本对基线模型取得 90% 胜率。

    推荐理由：提出统一控制扩散模型生成过程的理论框架，给出了灰箱模型下轻量网络优于 LoRA 的实验结果。

9月10日周四
9月8日周二
7月23日周四
  1. Hugging Face Blog80

    Diffusers 原生支持 Nunchaku 4-bit 扩散模型推理

    Diffusers 原生支持加载 Nunchaku Lite 4-bit 量化扩散模型，无需本地编译即可通过 from_pretrained 调用。在 RTX 5090 上，ERNIE-Image-Turbo 的生成耗时降至 1.7 秒，峰值显存占用从 24 GB 降至 12 GB。

    推荐理由：文章给出了 Nunchaku Lite 在 Diffusers 中的原生加载方法、基准测试数据及量化自定义模型的工具流程。

7月16日周四
7月1日周三
  1. Google DeepMind77

    Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash

    Google DeepMind 发布图像模型 Nano Banana 2 Lite 和视频模型 Gemini Omni Flash，两者均已在 Google AI Studio 和 Gemini API 上线。Nano Banana 2 Lite 生成一张 1K 图像耗时 4 秒、成本 $0.034，Gemini Omni Flash 视频生成成本 $0.10/秒，目前最长支持 10 秒视频。

    推荐理由：原文给出了 Nano Banana 2 Lite 和 Gemini Omni Flash 的延迟、成本及组合工作流细节，读者可据此判断多模态生成应用的性能与预算边界。

6月30日周二
  1. Google Gemini API Release Notes42

    Gemini Omni Flash 进入公开预览，Gemini 3.1 Flash Lite Image 正式发布

    谷歌发布 gemini-omni-flash-preview 进入公开预览，这是一款针对高速视频生成和对话式视频编辑的高性能多模态模型。通过 Interactions API，它支持从文本或静态图片生成 3-10 秒的 720p 视频。gemini-3.1-flash-lite-image 也已进入通用可用性阶段，主打超低延迟和低成本图像生成。

6月15日周一
5月28日周四
  1. Google Gemini API Release Notes72

    Google 正式发布 Gemini 3.1 Flash 和 3 Pro 图像模型，支持视频转图片生成

    Google 发布 Gemini 3.1 Flash Image 和 Gemini 3 Pro Image 正式 GA 版本，并停止预览模型服务。新增视频转图片生成能力，支持通过视频文件或 YouTube 链接结合文本提示生成缩略图、海报或信息图，该功能仅限 gemini-3.1-flash-image 使用。

    推荐理由：提供视频转图片原生功能支持及正式版模型入口，便于快速集成生成高质量视觉资产。

4月9日周四
2月26日周四
  1. Google Gemini API Release Notes64

    Google Gemini 发布 Nano Banana 2 和 Gemini 3.1 Flash Image，并公告 Gemini 3 Pro 将于3月9日停用

    Google Gemini API 上线 Nano Banana 2 和 Gemini 3.1 Flash Image Preview，该模型以速度和大规模场景优化为主。同时官方宣布 gemini-3-pro-preview 将于 2026 年 3 月 9 日停用。

    推荐理由：原文给出了新图像模型的定位和旧版Pro模型的停用时间表，便于开发者评估迁移节奏。

1月15日周四